留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

人工神经网络预测煤炭成浆浓度的研究

周俊虎 李艳昌 程 军 周志军 李珊珊 刘建忠 岑可法

周俊虎, 李艳昌, 程 军, 周志军, 李珊珊, 刘建忠, 岑可法. 人工神经网络预测煤炭成浆浓度的研究[J]. 燃料化学学报, 2005, 33(06): 666-670.
引用本文: 周俊虎, 李艳昌, 程 军, 周志军, 李珊珊, 刘建忠, 岑可法. 人工神经网络预测煤炭成浆浓度的研究[J]. 燃料化学学报, 2005, 33(06): 666-670.
ZHOU Jun-hu, LI Yan-chang, CHENG Jun, ZHOU Zhi-jun, LI Shan-shan, LIU Jian-zhong, CEN Ke-fa. 人工神经网络预测煤炭成浆浓度的研究[J]. Journal of Fuel Chemistry and Technology, 2005, 33(06): 666-670.
Citation: ZHOU Jun-hu, LI Yan-chang, CHENG Jun, ZHOU Zhi-jun, LI Shan-shan, LIU Jian-zhong, CEN Ke-fa. 人工神经网络预测煤炭成浆浓度的研究[J]. Journal of Fuel Chemistry and Technology, 2005, 33(06): 666-670.

人工神经网络预测煤炭成浆浓度的研究

详细信息
  • 中图分类号: TQ536

人工神经网络预测煤炭成浆浓度的研究

  • 摘要: 考虑煤炭的多种理化特性建立了成浆浓度的神经网络预测模型,对其数据预处理方法、学习率和中间层节点数等进行了深入讨论。水分、挥发分、分析基碳、灰分和氧等五个因子对于煤炭成浆性的预测起到主导作用。五因子、七因子和八因子神经网络模型对煤炭成浆浓度的预测误差分别为:0.53%、0.50%和0.74%,而现有回归分析方程的误差为1.15%,故神经网络模型比回归分析方程有更好的预测能力,尤以七因子模型最佳。
  • 加载中
计量
  • 文章访问数:  1427
  • HTML全文浏览量:  1
  • PDF下载量:  836
  • 被引次数: 0
出版历程
  • 收稿日期:  2005-03-09
  • 修回日期:  2005-06-27
  • 刊出日期:  2005-12-30

目录

    /

    返回文章
    返回